Van boerderijen tot DNA, gegevens transformeren landbouw en precisiegeneeskunde

Het is geen geheim dat gegevens en analyses zowat elke branche transformeren, dus het verbaasde me niet dat een aantal sessies bij Fortune Brainstorm Tech de nadruk legden op het onderwerp. Maar ik vond de discussie over nieuw gebruik voor landbouw- en genomische gegevens behoorlijk interessant, evenals een gesprek over "controle van AI" dat ook echt op gegevens neerkwam.

Genomische informatie bij voorouders en kleur

Ancestry-CEO Margo Georgiadis en mede-oprichter en CEO van Color, Othman Laraki, bespraken hoe genomische gegevens de gezondheidszorgmarkt kunnen beïnvloeden.

Georgiadis merkte op dat Ancestry, dat momenteel informatie heeft over 100 miljoen familiegeschiedenissen en de grootste repository van consumenten-DNA, al 30 jaar bestaat en gericht is op consumenteninteracties. Maar ze sprak ook over samenwerking met andere bedrijven om betere gezondheidsresultaten te bereiken via genomics

Ze herinnerde het publiek eraan dat "je genen niet je bestemming zijn", en zei dat het maar één signaal was, en dat het belangrijk was om ook naar de familiegeschiedenis te kijken.

Laraki, wiens bedrijf zich richt op precisiegeneeskunde, besprak het gebruik van genomische informatie om 'een gezondheidszorginfrastructuur te bouwen die verder op de weg kan kijken'. In de toekomst zullen we "het niet als genomics beschouwen, maar als gezondheidszorg." Hij merkte het enorme verschil op tussen wat we aan gezondheidszorg uitgeven en de waarde die we krijgen. Dit is de "grootste kans voor mensen en ondernemers van onze generatie", zei hij, en merkte op dat het gezondheidssysteem net begint met het gebruik van genomics in de eerstelijnszorg.

Hij sprak over hoe er zowel consumententoepassingen waren als implicaties voor de gezondheidszorg op bevolkingsniveau en sprak over de relatie van het bedrijf met het brede instituut van MIT.

Georgiadis zei echter dat privacy de kern was van de relatie van het bedrijf met zijn klanten, en dat individuen hun eigen gegevens gebruiken en beheren. Ze zei dat het bedrijf nooit informatie verstrekt aan wetshandhavers tenzij het daartoe wordt verplicht, en vorig jaar gebeurde dat slechts 10 keer. De verzoeken hadden allemaal betrekking op creditcardfraude, niet op genetische informatie.

Ze zei dat collectieve inzichten die kunnen worden verkregen tussen de records belangrijk waren. "Onze klant is nooit het product, " zei ze, "die afstemming is erg belangrijk."

Georgiadis zei dat bedrijven die genomische informatie verzamelen duidelijk moeten zijn waar ze voor staan, en ervoor moeten zorgen dat klanten begrijpen hoe de organisaties de gegevens zullen gebruiken en delen. Ze zei dat Ancestry, 23andMe en Helix een aantal genetische privacystandaarden hadden opgesteld en andere spelers aanmoedigden om zich aan te melden. Dit omvat het gebruik van gegevens op bevolkingsniveau voor medisch en gezondheidsonderzoek.

Elke technologie creëert een nieuwe reeks problemen, zei Georgiadis. "Als leiders moeten we verantwoordelijkheid nemen voor het denken en anticiperen op die kwesties en hoge normen stellen aan de manier waarop we zaken doen."

Agrarische gegevens

In een andere sessie bespraken Land O'Lakes CEO Beth Ford en Gro Intelligence oprichter en CEO Sara Menker hoe gegevens de landbouw en de bedrijven eromheen veranderen.

Ford sprak over het Land O'Lakes-onderzoek naar voorspellende modellen die gegevens van boeren verzamelen over wat er in verschillende grondsoorten is geplant en welke praktijken ze doen, om boeren te helpen weten welke veranderingen ze in het groeiseizoen kunnen aanbrengen. Ze zei dat de Truterra Insights Engine van het bedrijf een triljoen datapunten bevat. Het doel is om de veerkracht te vergroten en tegelijkertijd de productiviteit te verbeteren.

Land O'Lakes is een coöperatie die eigendom is van boeren, merkte Ford op, en is daarom gericht op het helpen verbeteren van de boerderijproductiviteit en duurzaamheid. Het doel was om de stimuleringsstructuur voor boeren te verbeteren, omdat 96 procent van de bedrijven nog steeds in familiebezit is. Ze besprak het "gedeelde lot" dat we allemaal delen, eraan toevoegend dat technologie noodzakelijk is of voedselveiligheid in gevaar komt.

Ze zei dat de gegevens van een individuele boer stil zijn, maar gecombineerd met voorspellende modellen, waaronder gegevens verzameld van satellieten en drones. "We zullen hun gegevens vastleggen, " zei Ford, "maar zij bezitten het."

Voorspellende modellen en veranderingen "in-seizoen" als nooit belangrijker dan het dit jaar geweest, zei Ford, wijzend op de dramatische weersgerelateerde problemen waarmee boeren worden geconfronteerd. Ze zei dat de gemiddelde boer vorig jaar geld verloor en dat lage grondstoffenprijzen al jaren een probleem zijn voor veel boeren.

Gro Intelligence werkt aan het bouwen van voorspellende modellen om vraag, aanbod en prijs voor elk landbouwproduct overal ter wereld te voorspellen, zei Menker. Ze zei dat voedsel- en drankenbedrijven, banken en grondstoffenhandelaren deze informatie nodig hebben, vooral vanwege de veranderingen als gevolg van extreme weersomstandigheden. Ze merkte op dat 10 miljoen hectare landbouwgrond is verlaten vanwege overstromingen dit jaar, wat neerkomt op $ 6, 5 miljard aan verloren inkomsten.

Menker sprak over hoe het systeem is ontworpen om datasets op te nemen en te reageren op marktgebeurtenissen, en hoe bedrijven hierdoor financiële instrumenten kunnen structureren om risico's beter te beheren. Dit, zei ze, zal uiteindelijk de kapitaalkosten voor boeren verlagen. Ze handelde in olie en gas, en dat het gemakkelijker was om kapitaal te krijgen om energie te ontwikkelen dan om te boeren.

IBM en Salesforce over gegevens, eerlijkheid en AI-ethiek

IBM Research Chief Operating Officer Dario Gil en Salesforce Chief Scientist Richard Socher spraken over AI en het belang van het gebruik ervan op ethische en eerlijke manieren.

"Elke branche zal worden beïnvloed door AI, " zei Socher, maar uiteindelijk kan AI alleen zo goed zijn als de gegevens die we gebruiken om het te trainen. Als gevolg hiervan, zei hij, moet het veld zich meer richten op ethiek. Hij merkte op dat zoals elk hulpmiddel - computers, internet of zelfs een hamer - AI voor goed of slecht kan worden gebruikt.

Gil noemde AI 'een ongelukkige term', omdat mensen de term horen en denken dat deze zelfstandig handelt. Hij zei dat we het woord 'software' gewoon moeten vervangen door 'AI'. Dat maakt duidelijker waar de verantwoordelijkheid ligt. "Verantwoording moet rusten bij de mensen en de instellingen die de software maken, " zei hij.

Gevraagd naar "deepfakes", zei Socher dat mensen al heel lang nepfoto's maken en tegelijkertijd mensen beter zijn geworden in het identificeren van nepfoto's. Hij zei dat we met video tot hetzelfde begrip moeten komen, maar het was momenteel erg moeilijk om echt overtuigende video's te maken. Voor nu, zei Socher, maakte hij zich veel meer zorgen over mensen die nepnieuws maken, het op sociale media delen en AI het aanbevelen.

Gil sprak over de kwestie van bias en wees op meerdere lagen van het probleem. Op de eerste laag bevindt zich het kern-AI-algoritme. Verder is er de kwestie van gegevens. Hij merkte bijvoorbeeld op dat er regels en een aspect van verantwoording zijn bij het beoordelen van krediet in het bankwezen. Maar als u alleen goedkeuringen van de afgelopen 20 of 30 jaar gebruikt, zou het model meer krediet geven aan mannen dan aan vrouwen. Het neurale net is niet bevooroordeeld, zei hij, maar de gegevensverzameling wel. Op een ander niveau sprak hij over een vooringenomenheid op een hoger niveau, omdat de meeste mensen die in AI werken blanke mannen zijn, een situatie waarvan hij zei dat de industrie 'probeert te verbeteren'.

Een zilveren voering, zei Gil, is dat als iemand krediet wordt geweigerd en een persoon de beslissing neemt, het voor een persoon gemakkelijk is om een ​​excuus te geven. Maar als u gedurende een bepaalde periode naar beslissingen van een algoritme kijkt, is het veel gemakkelijker om te zien wat er echt gebeurt. "AI zet een spiegel voor onze gezichten, " zei hij en merkte op dat het gemakkelijker is om een ​​algoritme te veranderen dan om 1.000 mensen te veranderen.

• Fortune Brainstorm Tech: de veranderende modellen van e-commerce Fortune Brainstorm Tech: de veranderende modellen van e-commerce
• Fortune Brainstorm Tech: Building the 'Internet Computer' Fortune Brainstorm Tech: Building the 'Internet Computer'
• Intel's Ice Lake wordt echt: 5 belangrijkste afhaalrestaurants Intel's Ice Lake wordt echt: 5 belangrijke afhaalrestaurants

Als onderdeel hiervan beschreef hij het werk dat IBM doet om te zoeken naar vertekening in de gegevens en om meer eerlijke beslissingen te nemen. Hij merkte op dat billijkheid veel verschillende metrieken met zich meebracht, en dat variabelen op verborgen manieren met elkaar gecorreleerd zijn, en dat maakt het moeilijk.

Socher merkte op dat bias 'niet zo gemakkelijk te verwijderen was als het lijkt'. Hij merkte op dat je ras of geslacht uit een algoritme kon verwijderen, maar veel van hetzelfde resultaat zou krijgen door postcode en inkomen te overwegen. Hij merkte op dat het moeilijk was omdat Salesforce niet één applicatie bouwt - in plaats daarvan maakt het kleinere applicaties voor 150.000 organisaties, die elk hun eigen gegevens gebruiken. Hij merkte op dat een vorm van vooringenomenheid acceptabel kan zijn, zoals het niet op de markt brengen van borstpompen aan mannen. Maar in andere gevallen kan het illegaal of verkeerd zijn. Er is "geen zilveren kogel", zei Socher, "het moet een mentaliteit zijn."